El proyecto europeo Class (Edge and CLoud Computation: A Highly Distributed Software Architecture for Big Data AnalyticS) concluyó el pasado mes de junio después de tres años y medio de trabajo. Coordinado por el Barcelona Supercomputing Center – Centro Nacional de Supercomputación (BSC – CNS) y financiado con 3.900.802,50 euros en el marco del programa Horizonte 2020, ha desarrollado una arquitectura de software de nueva generación para facilitar la interacción de las ciudades inteligentes con los vehículos conectados y la ciudadanía en tiempo real.
Las aplicaciones de big data que procesan grandes cantidades de datos complejos se están integrando en la actualidad con requisitos desafiantes como la necesidad de procesar continuamente una gran cantidad de información en tiempo real.
Generalmente, los sistemas de análisis de datos actuales se diseñan siguiendo dos prioridades en conflicto para proporcionar una respuesta rápida y reactiva: en tiempo real sobre la base de flujos de datos continuos (análisis de datos en movimiento), o una retroalimentación completa y más intensiva desde el punto de vista computacional, que normalmente implica añadir más información en modelos más grandes (análisis de datos en reposo).
Las tendencias actuales hacia el uso de tecnologías de big data en el contexto de las ciudades inteligentes sugieren la necesidad de ecosistemas de software novedosos sobre los que se puedan desarrollar funcionalidades de movilidad avanzadas para compartir los datos entre urbe y vehículos con el fin de facilitar una gestión inteligente del tráfico y sistemas avanzados de asistencia al conductor.
En este contexto, el proyecto Class dio comienzo en enero de 2018 con el objetivo de desarrollar una arquitectura de software innovadora para ayudar a los desarrolladores de big data a combinar el análisis de datos en movimiento y en reposo con el propósito de adoptar arquitecturas distribuidas innovadoras del dominio de alto rendimiento, métodos de análisis de tiempos y arquitecturas paralelas energéticamente eficientes del dominio integrado y plataformas de análisis de datos y modelos de programación del dominio de big data.
La aplicación de tecnologías de big data en las ciudades inteligentes implica desafíos en el procesamiento de datos de todo el proceso informático hasta la predicción de respuestas en tiempo real y el empleo de un modelo de programación que puede combinar diferentes interfaces de programas de aplicaciones (API) y modelos.
Pruebas en Modena Automotive Smart Area
Las tecnologías de conducción conectada de Class se han probado en un entorno urbano real en Modena Automotive Smart Area (MASA), ubicada en la ciudad italiana de Módena, equipada con una red de dispositivos de detección -sensores y cámaras para el reconocimiento de obstáculos- para recopilar datos en tiempo real en una amplia área urbana. Por su parte, Maserati, socio del proyecto, proporcionó tres prototipos de automóviles con conectividad V2X y capacidades de detección, comunicación y computación.
Respecto a la infraestructura informática, los flujos de trabajo de análisis de big data se han ejecutado en todo el proceso computacional, que abarca desde el lado edge hasta el lado cloud.
Se han seleccionado aplicaciones representativas para la gestión del tráfico y los dominios de asistencia a la conducción avanzada para procesar de manera eficiente grandes flujos de datos heterogéneos en tiempo real, proporcionando servicios innovadores y preparando el escenario tecnológico para la llegada de los vehículos autónomos. Así, el núcleo de este caso de uso es la generación de una base de datos de conocimiento común basada en la fusión de información recopilada por la infraestructura de sensores de la ciudad y los vehículos conectados.
La arquitectura de software Class desarrollada facilita la forma en que los programadores desarrollan, implementan y ejecutan análisis de big data complejos en un heterogéneo ecosistema edge y cloud con la finalidad de recopilar, almacenar, analizar y procesar grandes cantidades de datos con el objetivo de transformarlos en conocimiento valioso para el sector público, empresas privadas y ciudadanos.
Arquitectura de software Class
Los componentes del software se han desarrollado con interfaces bien definidas para facilitar las propiedades de interoperabilidad, portabilidad y escalabilidad necesarias para proporcionar a los desarrolladores una infraestructura sólida para aprovechar mejor los entornos distribuidos y heterogéneos considerados en Class.
El proyecto ha seleccionado y desarrollado los componentes del software priorizando aquellos que son propiedad de los miembros del consorcio Class o de código abierto con el objetivo de reducir el tiempo de implementación en el mercado y maximizar las oportunidades de explotación.
Los componentes, que se pueden encontrar en el canal github, incluyen una plataforma de análisis de datos, un marco de distribución y coordinación de computación, una plataforma de análisis en la nube y otra de análisis edge, y métodos de análisis de datos.
Aplicaciones de ciudad inteligente
La arquitectura de software Class recopila datos de cámaras ubicadas en la calle y vehículos inteligentes y conectados, capaces de informar en tiempo real sobre su posición y los objetos detectados en la zona. Al aplicar análisis de datos avanzados sobre la información recabada, se pueden predecir las rutas de los automóviles y peatones cercanos, mientras que los vehículos inteligentes pueden proporcionar asistencia a los conductores y evitar posibles colisiones. Asimismo, los datos se utilizan para estimar las emisiones contaminantes.
De esta manera, proporciona un ecosistema unificado con tres aplicaciones de smart city. Por una parte, se encuentra la detección de colisiones al advertir a los conductores, con un margen de dos segundos, sobre riesgos de choque en la ruta de conducción, detectando, rastreando y prediciendo el movimiento de vehículos y usuarios vulnerables de la carretera en tiempo real.
Una segunda aplicación de ciudad inteligente es la estimación de la polución del aire, al calcular las emisiones de NOx, CO, PM, PN y HC debidas a las condiciones actuales del tráfico en tiempo real, en función del tipo y del comportamiento de los vehículos en circulación. Por último, la señalización digital de tráfico mediante un entorno de simulación de gestión del tráfico mejorado basado en información en tiempo real recopilada de la ciudad.
En definitiva, el enfoque de Class integra tecnologías de varios dominios informáticos, tales como IoT, edge computing, cloud y computación de alto rendimiento, combinadas con comunicaciones móviles para permitir aplicaciones de movilidad sostenibles, eficientes y seguras para las ciudades inteligentes del futuro, en las que los vehículos autónomos desempeñarán un rol fundamental.